意外にも抵抗力を示すのは、データスチュワード(データ管理責任者)です。この職務は一見すると、まさにAIが取り込むべき役割のように思えます。けれども私は、その逆に賭けます。AIエージェントがより多くの作業を担うようになればなるほど、そのデータが何を意味するのか、誰が使えるのか、行動に移すに足る信頼性があるのかについて、責任を負う人物の重要性は増します。AIエージェントはデータを使うことはできますが、そのデータに責任を負うことはできません。その役割は人間が担わなければならないのです。
Q5. 過去1年で一時停止、縮小、または中止したAIプロジェクトや取り組みは何ですか? また、実際の決定的な障害は何だったのでしょうか?
ナタリー・ダース|マイクロソフト
私たちは、新たなシナリオごとに独立型エージェントを構築するというアプローチを縮小しました。当初は、特定のプロセスにAIを導入するうえで、それが最も現実的な方法でした。例えば、従業員が上司との定期的な面談に備えるのを支援するエージェントや、人員に関する質問に答えるエージェントを構築し、それぞれが独自のデータパイプラインを持っていたのです。いずれも、個別に見れば理にかなっていました。けれども全体としては、従業員がアクセスすべき場所を増やす結果となり、同じ質問に対して2つのエージェントが異なる回答を示すと、どちらを信頼すべきかわからなくなりました。それが決定的な障害でした。
同時に、テクノロジーの進化は私たちの計画を上回る速さで進んだため、方針を転換しました。エージェントをさらに増やすのではなく、専門性とガバナンスの効いたデータレイヤーを背後に備えた共通の入口へと移行しています。これにより、人々は信頼できる1つの答えを得られます。AIが増えても、必ずしもより良いAIになるわけではありません。テクノロジーが高度化するほど、体験はよりシンプルにならなければならないのです。
ジョン・フィードラー|フォックス・コーポレーション
当社では、複数のエンジニアリングチームがAIエージェントの運用フレームワークや自動化ワークフローを試してきました。似たような問題を少しずつ異なる方法で解決しているケースもあれば、アプローチが大きく異なるケースもありました。こうした実験には価値がありましたが、同時に限界も浮き彫りになりました。各チームが学び、構築していたことの多くが、個別のグループ内にとどまっていたのです。
そこで私たちは、特にエージェントが知識や文脈にアクセスする方法を中心に、共有基盤の構築に着手しました。目標は、あるチームの進歩が他のチームにも恩恵をもたらすようにする一方で、各チームには自分たちに最適なワークフローを試し、開発する自由を残すことです。
これらの取り組みが失敗していたわけではありません。問題は、各チームが学んでいたことから、組織全体として十分な利益を得られていなかったことにあります。
トニー・レラリス|アクセンチュア
新しいAIツールを有効化してほしいという要望は数多く寄せられます。誰にでもお気に入りのツールがあり、多くのチームは次のツールが自分たちの働き方を変えると考えています。当社ほどの規模であれば、その多くに「イエス」と言い、問題は後で整理することも容易です。私たちが心がけているのは、それぞれの要望をきちんと検討することであり、その結果として「ノー」と言う場合もあります。最近見送ったものの1つが、AI搭載の企業向けナレッジツールです。これは良い製品で、利用を望む人もいました。時間をかけて評価しましたが、当社のセキュリティ要件を満たさなかったため、導入には至りませんでした。このケースはセキュリティが理由でしたが、法務上の理由やコスト面の理由で見送ったものも数多くあります。私たちはAIを迅速に進めたいと考えていますが、それはすべてに「イエス」と言うことを意味しているわけではありません。


